在内存当中处理大数据计算的策略

本文介绍了在处理大量论文数据时遇到的Java堆内存溢出问题及其解决方案。通过对数据进行分块处理并采用本地文件存储的方法,有效避免了内存溢出问题。此外,还探讨了Java内存管理原理及内存泄漏的相关知识。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我读取了大批量的论文到内存当中,然后又按照同名作者进行了分类,然后再对每一块论文根据相似度进行分块。最后再200w+的数据集上跑总是出现java heap space的错误,堆内存溢出。还出现过gc错误

内存溢出错误截图



java heap space 的错误原因:

在JVM中如果98%的时间是用于GC且可用的 Heap size 不足2%的时候将抛出此异常信息。

最后的解决办法是把之前分类的结果保存到本地文件当中,其中每一块的分类,使用json数据格式来存储。(使用jackson框架进行转换json)

针对每一块进行排歧的时候,再单独读取每一块。java读写本地文件还是蛮快的,并没有受太大的影响。



关于java内存泄露的介绍:https://www.ibm.com/developerworks/cn/java/l-JavaMemoryLeak/

此文提出,java对内存的回收,主要是通过有向图的方式。如果有对象在main根部不可达,那么就会在下次回收当中被回收掉。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值